基于卷积神经网络用于定位的到达时间误差估计
信号处理
2023-01-12 v1
摘要
由于工业资产追踪、自动驾驶、流程自动化等诸多应用的多样化特性，无线高精度定位近来引起了日益增长的研究兴趣。然而，由于无线电环境带来的挑战，获取高精度的位置信息受到阻碍。基于时间的定位方法的一个主要误差来源是不精确的到达时间（ToA）或距离估计。现有的基于机器学习来缓解此类误差的方案依赖于传播环境分类（受限于较少的类别数）、采用仅有限表示信道测量的特征集合，或仅考虑设备特定的专有 ToA 估计方法。在本文中，我们提出使用卷积神经网络（CNNs）来估计并缓解多种 ToA 估计方法利用信道冲激响应（CIRs）所产生的误差。基于两次独立实测活动的真实世界测量数据，所提方法使最先进 ToA 估计器的测距精度得到显著提升（高达 37%），且往往免去了对底层常规方法进行优化的需要。
引用
@article{arxiv.2301.04510,
title = {Time of Arrival Error Estimation for Positioning Using Convolutional Neural Networks},
author = {Anil Kirmaz and Taylan Şahin and Diomidis S. Michalopoulos and Muhammad Ikram Ashraf and Wolfgang Gerstacker},
journal= {arXiv preprint arXiv:2301.04510},
year = {2023}
}
备注
Accepted for presentation at IEEE WCNC 2023